爱华网科大讯飞成立于1999年，我们专注于语音方向已经13年了，是国内最大的智能语音技术提供商，占有中文语音主流市场80%的份额。 其实，人类使用信息机器的过程，就是人变得越来越懒的过程，所有设备都“能听会说”是一个必然的趋势。 我们相信，随着技术不断成熟，语音一定会成为最主流的交互方式之一，因为这是人类最自然便捷的沟通方式。 布局语音入口 过去，讯飞提供核心技术主要是通过两种方式，一是通过服务器，给呼叫中心、智能网等合作伙伴提供语音能力。另一种就是通过软核或者嵌入芯片，给电子书、导航仪等移动终端提供技术。 随着移动互联网的普及，特别是Siri的推出，让语音市场快速升温。从2009年开始科大讯飞启动了移动互联战略，我们上线了“语音云”平台，推出了输入法、语音助手等产品来布局移动互联网。虽然这个市场还在培育用户的投入阶段，但智能语音的入口价值正在一步步彰显。 提供平台解决 在我们的语音云平台上，已经有了1.5亿用户，接入的企业则主要来自三个方向。 第一是移动终端领域，包括手机、平板、导航仪等设备，讯飞向它们开放语音交互的能力。从金立、小米到联想，语音助理正逐渐成为智能手机的标准配置，未来每一个智能手机用户都会成为我们的用户，规模将会超过10亿。平台上的开发者账户也已经有将近一万个，上线了几百个应用，娱乐、虚拟形象、搜索等领域都有一些很有趣的产品。 第二是车载领域，在车内这一特殊环境下，语音是最好的交互方式。上汽的荣威350就使用了我们的语音交互技术，驾驶者只要告诉语音助手你要去的地方，就能自动显示导航结果。中国正在进入汽车社会，这个市场还会不断扩大，并且支付能力也够强。 第三还有智能家电业，家电智能化后，功能越多，操作也会越复杂，原来的遥控器等交互方式已经没法解决这个问题了。比如智能电视，海量视频内容的袭来，让智能电视的内容和操作都变得更加复杂，传统遥控器已经无法承载这样的人机交互需求了。目前的前6名国内厂商的智能电视，用的都是讯飞语音云平台，想看什么内容直接对它说出来就可以了。 技术前台化 之前我们都是在幕后提供技术，没有真正地面向消费者去做产品。但我们一直在等待，语音技术除了作为别人产品的亮点，有没有机会直接去面对消费者？比如搜索引擎，无论是谷歌还是百度，一开始都是给其他公司提供搜索技术服务，后来逐渐走向前台面向用户，取得了巨大的商业价值。 目前讯飞直接面对消费用户的产品只有两个：输入法和语音助手。科大讯飞是从企业市场B2B 起步的，所以在消费市场上，我们没有用户基础，这是一个很大的挑战。输入法的用户数一开始增长很慢。我们是第一个把语音技术应用于输入法的，也是第一个可以直接在虚拟键盘上手写输入的产品，刚开始大家都觉得这样的创新设计难以理解。但事实是，随着时间的推移，渐渐体现出了用户口碑传播推动产品增长。在没有做任何推广和预置的情况下，输入法现在已经有了5000多万用户。 讯飞的语音助手，语点、灵犀则被用户称为“中文版Siri”，两者有相似的地方，产品定位却是不同的。虽然都可以实现语音操控、互联网入口、问答服务等功能，但苹果的核心利益在于手机硬件，Siri更像苹果手机的一个卖点，更偏娱乐性。讯飞语音助手是偏实用的工具，它不只是一个前台程序，而是可以跟各行各业的应用深度结合，解决用户衣食住行等方面的问题。 产品持续优化 不可否认，用户基数是讯飞最大的短板，没有用户基础想做好消费市场的难度可想而知。 Facebook有句名言，代码胜于雄辩。产品好不好，运营的数据会说话。在移动互联网时代，最关键的还是把产品做好，好产品自己会传播。 让机器适应场景 语音智能互动看上去很神奇，其实核心在于后台的支持。不过由于用户使用情景的复杂性，给整个行业都带来了不少的难题。 第一是口音适应的问题，不同用户有不同的口音特点、发音习惯，这些都是需要机器去适应人，而不是人来适应机器。讯飞第一个实现了个性化的语音识别，每天有大量的用户在使用我们的语音云，为后台系统积攒了大量数据。同样的发音内容，我们可以根据用户的历史行为、使用习惯等返回个性化的不同结果。不只是词汇，还包括声学、位置都能做到个性化。 第二是抗噪的问题，用户不可能在安静的环境里使用我们的产品，它有各种各样的使用场景。便携智能终端经常是在走动中使用，车载终端更是处在喧闹的驾驶环境中。同样是得益于语音云规模运营的基础，核心算法上的突破，我们的识别准确性才能有大幅提升。 第三是复杂的网络条件，移动互联网用户增多，各种应用的网络占用也在增加，在网络条件差的情况下，语音助手、输入法的交互就会出现延迟甚至连接中断，用户体验很差。我们是通过“云+端”来解决这个问题的，语音识别不是完全在云侧，在本机这一侧也能做一些简单的语音交互，虽然识别准确率会低一点，但不用依赖于网络，也可以让语音助理打电话、发短信，这是我们超过同行的地方。 比用户多想一步 讯飞语点有一个“零点提醒确认”，如果用户在凌晨告诉语点提醒我明天做某件事情，语点会提醒用户“刚刚过零点，请问是今天，还是明天？” 能够避免用户因为设置闹钟出错而耽误重要事情。 这个问题其实是我们自己的同事发现的，因为有好几次工作到比较晚，于是在使用过程中就注意到了这个细节。作为日程提醒是不允许犯错的，一旦失误可能产生大问题，也许用户要早起、要赶火车，如果因为语点的问题耽误了，他就不会再信任这个产品了，所以我们很快就增添了这样一个零点确认功能。还有“提醒打电话给某某”的功能，到了提醒时间，语音助理会自动把被呼叫者的姓名和号码列出来，用户点一下“呼叫”按钮就可以了。 在讯飞输入法上，我们也要考虑到用户不方便语音输入的时候，而且中国字有一个特点，有些字写起来很快，不到一秒就写出来了，但是拼音得按很长，有的字写起来很复杂，但拼音一输就出来了。用户要在手写和键盘输入之间不断切换，操作起来很复杂，所以才有了之前提到的，让用户可以在一个界面上就可以完成拼音、手写、语音等多种输入，不需要再去切换输入模式。 嫁接独有资源 我们和中国移动合作的语音助理灵犀iOS版也在4月17日正式登陆App Store了，除了已有的智能语音功能，灵犀还整合了中国移动现有的增值业务，用户可以直接在灵犀中通过语音查话费、查流量、定彩铃等。这是中国移动的独有资源，是最准确的，也是其他语音助手做不到的。 讯飞有最好的技术，但短板在于没有用户基础，而中国移动有六七个亿的用户规模，我们相互结合也是一个取长补短的过程，既给讯飞产品增加用户粘性，也给中国移动降低了成本。过去用户查话费、查流量，如果以人工方式进行，平均下来成本是每分钟 5 毛钱，如果在语点、灵犀里面提供，成本就很低。 下一个流量龙头 在产品市场有一句话，“千万不要去改变用户的使用习惯”。我们必须面对的是，对用户尤其是东方人来说，大家普遍感觉不愿意与机器对话，就像录音电话、语音信箱在中国流行不起来一样。做一个与用户习惯相悖的市场，肯定比做现成的、需求明确的市场更难，中间也一定会有更多的挫折。
整个移动互联网已经进入了蓬勃发展的时代，移动语音作为人机交互的界面方式，未来几年一定会成为主流。作为一个交互的入口，智能语音将是整个移动互联网中最有价值的一个环节。 语音技术并不是要颠覆现有的商业模式，它只是改变了人机交互的方式，用户的需求都会先集中到这里来，它和搜索引擎类似，体现的是流量价值。只要这个入口的用户规模足够大，就会有引导流量的能力。可以决定用户的需求通过哪家企业或者哪种方式来实现，看新闻从哪家看，订票从哪家订，商业模式其实十分清晰。 但现在我们还没有考虑商业化的问题，我们的核心还是先把用户基本的需求做好。对入口型的产品来说，关键是你的产品能不能有黏性，开发商业价值是很容易的，作为一个流量龙头，很多成熟的商业模式都具有嫁接的条件。
